آموزش رسیدگی به داده های جریان با GCP Dataflow - آخرین آپدیت

دانلود Handling Streaming Data with GCP Dataflow

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: DataFlow به توسعه دهندگان اجازه می دهد تا داده ها را با استفاده از API های آسان و بصری پردازش و تبدیل کنند. DataFlow بر روی معماری پرتوی Apache ساخته شده و دسته ای و همچنین پردازش جریان داده ها را متحد می کند. در این دوره ، رسیدگی به داده های جریان با GCP Dataflow ، کشف خواهید کرد که GCP طیف گسترده ای از اتصالات را برای ادغام سرویس DataFlow با سایر خدمات GCP مانند سرویس پیام رسانی Pub/Sub و انبار داده BigQuery فراهم می کند. ابتدا خواهید دید که چگونه می توانید خطوط لوله Dataflow خود را با سایر خدمات ادغام کنید تا به عنوان منبع داده های جریان یا به عنوان سینک برای نتایج نهایی خود استفاده کنید. در مرحله بعد ، شما می توانید فیدهای توییتر زنده را به سرویس پیام رسانی میخانه/زیر منتقل کنید و خط لوله خود را برای خواندن و پردازش این پیام های توییتر پیاده سازی کنید. سرانجام ، خطوط لوله را با ورودی جانبی و خطوط لوله شاخه ای اجرا خواهید کرد تا نتایج نهایی خود را در چندین سینک بنویسید. پس از اتمام این دوره ، مهارت و دانش لازم برای طراحی خطوط لوله پیچیده Dataflow ، ادغام این خطوط لوله با سایر خدمات Google را خواهید داشت و این خطوط لوله را بر روی پلت فرم Google Cloud آزمایش و اجرا می کنید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

اجرای خطوط لوله در Cloud Dataflow Executing Pipelines on Cloud Dataflow

  • بررسی نسخه Version Check

  • پیش نیازها و رئوس مطالب دوره Prerequisites and Course Outline

  • نسخه ی نمایشی: فعال کردن API در GCP Demo: Enabling APIs on the GCP

  • نسخه ی نمایشی: ایجاد یک حساب خدمات Demo: Creating a Service Account

  • نسخه ی نمایشی: ایجاد یک پروژه Maven Apache Demo: Creating an Apache Maven Project

  • نسخه ی نمایشی: بارگذاری داده ها در یک سطل ذخیره سازی ابری Demo: Uploading Data to a Cloud Storage Bucket

  • نسخه ی نمایشی: اجرای خط لوله Dataflow برای داده های دسته ای Demo: Implementing a Dataflow Pipeline for Batch Data

  • نسخه ی نمایشی: اجرای خط لوله Dataflow Demo: Executing a Dataflow Pipeline

  • نسخه ی نمایشی: مشاهده نتایج نهایی Demo: Viewing Final Results

  • نسخه ی نمایشی: گزینه های خط لوله سفارشی Demo: Custom Pipeline Options

  • نسخه ی نمایشی: اجرای خط لوله برای خواندن از میخانه/زیر Demo: Implementing a Pipeline to Read from Pub/Sub

  • نسخه ی نمایشی: اجرای خط لوله جریان داده جریان Demo: Executing a Streaming Dataflow Pipeline

  • نسخه ی نمایشی: اشکال زدایی خطوط لوله آهسته Demo: Debugging Slow Pipelines

یکپارچه سازی Dataflow با Cloud Pub/Sub Integrating Dataflow with Cloud Pub/Sub

  • نمای کلی از پیام رسانی در میخانه/زیر Quick Overview of Messaging in Pub/Sub

  • نسخه ی نمایشی: خط لوله برای خواندن از میخانه/زیر و نوشتن به BigQuery Demo: Pipeline to Read from Pub/Sub and Write to BigQuery

  • نسخه ی نمایشی: نوشتن نتایج جریان به BigQuery Demo: Writing Streaming Results to BigQuery

  • نسخه ی نمایشی: ایجاد و دسترسی به کلیدهای API توییتر Demo: Creating and Accessing Twitter API Keys

  • نسخه ی نمایشی: اتصال به API توییتر و انتشار توییت به Pub/Sub Demo: Connecting to the Twitter API and Publishing Tweets to Pub/Sub

  • نسخه ی نمایشی: استخراج هشتگ از توییت Demo: Extracting Hashtags from Tweets

  • نسخه ی نمایشی: مشاهده هشتگ های استخراج شده با استفاده از یک اشتراک میخانه/فرعی Demo: Viewing Extracted Hashtags Using a Pub/Sub Subscription

  • نسخه ی نمایشی: اجرای خطوط لوله با ورودی های جانبی Demo: Executing Pipelines with Side Inputs

  • نسخه ی نمایشی: اجرای خط لوله انشعاب Demo: Implementing a Branching Pipeline

  • نسخه ی نمایشی: مشاهده نتایج در میخانه/زیر و بزرگ و بزرگ Demo: Viewing Results in Pub/Sub and BigQuery

  • نسخه ی نمایشی: به روزرسانی یک خط لوله در حال اجرا Demo: Updating a Running Pipeline

انجام عملیات پنجره سازی روی داده های جریانی Performing Windowing Operations on Streaming Data

  • نمای کلی از پنجره ها و محرک ها Quick Overview of Windowing and Triggers

  • نسخه ی نمایشی: استخراج زمان رویداد Demo: Extracting Event Time

  • نسخه ی نمایشی: خواندن داده های خارج از سفارش از میخانه/زیر Demo: Reading Out-of-order Data from Pub/Sub

  • نسخه ی نمایشی: ارتباط زمان رویداد با استفاده از ویژگی های Pub/Sub Message Demo: Associating Event Time Using Pub/Sub Message Attributes

  • نسخه ی نمایشی: انجام عملیات پنجره کشویی در جریان های ورودی Demo: Performing Sliding Window Operations on Input Streams

  • نسخه ی نمایشی: انجام عملیات پنجره جلسه در جریان های ورودی Demo: Performing Session Window Operations on Input Streams

  • نسخه ی نمایشی: پیکربندی محرک های داده های دیر هنگام Demo: Configuring Triggers for Late Arriving Data

  • نسخه ی نمایشی: پیکربندی محرک ها برای بدست آوردن نتایج اولیه از یک پنجره طولانی Demo: Configuring Triggers to Get Early Results from a Long Window

  • نسخه ی نمایشی: پیکربندی محرک های محور داده Demo: Configuring Data Driven Triggers

  • نسخه ی نمایشی: اجرای یک خط لوله برای نوشتن داده ها به یک فایل پارکت Demo: Implementing a Pipeline to Write Data to a Parquet File

  • نسخه ی نمایشی: مشاهده نتایج نوشته شده به یک پرونده پارکت Demo: Viewing Results Written to a Parquet File

انجام عملیات پیوستن بر روی داده های جریانی Performing Join Operations on Streaming Data

  • نسخه ی نمایشی: اجرای عملیات پیوستن به خط لوله Dataflow Demo: Implementing Join Operations in a Dataflow Pipeline

  • نسخه ی نمایشی: مشاهده پیوستن به یک سطل ذخیره سازی ابری منجر می شود Demo: Viewing Joined Results in a Cloud Storage Bucket

  • نسخه ی نمایشی: اجرای معیارهای ضد Demo: Implementing Counter Metrics

  • نسخه ی نمایشی: تجسم معیارهای پیشخوان با استفاده از نظارت ابر Demo: Visualizing Counter Metrics Using Cloud Monitoring

  • نسخه ی نمایشی: خطوط لوله DataFlow آزمایش واحد Demo: Unit Testing Dataflow Pipelines

  • نسخه ی نمایشی: آزمایش خط لوله پایان Demo: End to End Pipeline Testing

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش رسیدگی به داده های جریان با GCP Dataflow
جزییات دوره
3h 13m
43
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
4
از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.